作者：来自 Elastic Joe DeFever
攻击者速度与防御者准备程度之间的差距正在不断扩大。如今，攻击者借助 AI 可以在不到一分钟内从初始访问发展到完全控制域。¹ 由大型语言模型生成的钓鱼攻击活动，其点击率比传统方法高出 4.5 倍。²
大多数企业 SOC 并不是为这样的速度和精细程度而构建的。它们是在十多年的点解决方案采购过程中，逐个工具拼装起来的：这里部署一个 SIEM，那里部署一个 XDR，再在上面加一个 SOAR，以及越来越多的仪表板，而分析师根本没有时间去协调这些仪表板。最终形成的安全架构，在对手甚至还没有出现之前，就已经让防御者承担了额外负担。
对于安全团队来说，2026 年真正值得思考的问题已经不是下一步应该购买哪款产品，而是底层架构能否支持 AI 时代防御所需要的速度、透明度和经济性。
安全运营中的碎片化成本
数据碎片化并不是一个美观问题，而是一个运营和财务问题，它会在每次事件的时间线上显现出来。
分析师在进行调查时平均需要操作 11 个安全控制台，而 91% 的安全团队都能将严重事件直接追溯到相互隔离的工具之间存在的摩擦。³ SOC 团队成员每周花费大量时间，手动汇总这些工具中的数据。这当然是一个生产力问题，但更重要的是，它也是一种可以直接归因于架构选择的风险暴露。
财务层面的影响会进一步加剧这一问题。按端点计费会迫使覆盖范围的决策变成预算决策。历史数据的重新加载费用会在活动事件期间造成盲点，而此时完整上下文恰恰最为重要。单独的 SOAR 许可则让自动化变成一项独立的成本，而不是原生能力。这些都是供应商强加的成本，它们悄然地将风险从供应商的资产负债表转移到了你的资产负债表上。
为什么 AI 无法修复碎片化的基础
业界应对碎片化的方式，是在其上层叠加 AI。但这种方式已经开始显现出局限性。
AI 模型 ------ 无论是分类系统、机器学习检测器，还是 agentic 推理框架 ------ 都依赖于对历史上下文的统一访问。当遥测数据分散在数十个格式不一致的系统中时，模型会继承与其要增强的人类分析师相同的盲点。这与其说是自主推理的坚实基础，不如说是昂贵幻觉的基础。
对于安全团队而言，建立在碎片化数据基础设施之上的 AI 投资将无法达到其业务预期。检索增强生成（RAG）、agentic 工作流和行为分析都假设模型能够实时跨越整个攻击面进行推理。如果底层数据无法在原地进行查询，那么 AI 层就会变成又一个孤岛，而不是解决方案。
架构转折点
有两个信号表明，架构问题正在从理论讨论走向采购决策。
-
采用压力： 近三分之二的组织正在安全运营中尝试使用 AI agents，但不到四分之一已经将其部署到生产环境。这一差距反映了在并非为 agentic 系统设计的基础设施上运行这些系统的困难。治理模型、透明度要求和成本控制正在快速成熟，但它们需要一种原生支持这些能力的架构。
-
高管期望： 80% 的 CISO 正在将 AI 驱动的安全纳入其 2026 年预算的优先事项。⁴ 董事会批准这些预算，并不是为了获得渐进式改进。他们期望看到平均检测时间（MTTD）、平均响应时间（MTTR）以及分析师留任率发生可衡量的变化。试图使用针对 AI 出现之前的威胁模型而设计的技术栈来实现这些期望，并不太可能成功。
真正开放、统一的安全架构需要什么
一个为 AI 时代构建的平台，与在 SIEM 上简单附加一个 AI 功能有很大不同。评估架构方向的安全团队应该要求供应商满足一组明确的标准：
-
跨领域统一遥测： 端点、身份、网络和云信号流入同一个检测层，而不是在查询时才将多个独立检测层拼接起来。
-
将开放标准作为一等公民： 原生支持开放模式和 OpenTelemetry（OTel）、Elastic Common Schema 等框架，因此一次编写的检测规则可以跨环境工作。
-
就地查询，而不是持续 ETL： 分析师可以跨热层、温层和归档层运行单个查询，而无需支付重新加载数据的成本或开展数据迁移项目。
-
模型无关的 AI 与透明推理： 每个自主决策都会生成可审计的跟踪记录，其中包括调用的工具、检索的证据以及采用的推理过程。
-
原生自动化，而不是外挂式 SOAR： 响应操作位于平台内部，因此遏制操作不依赖于那些可能在活动事件期间失效的脆弱集成。
-
跨监管边界的部署灵活性： 对于受 GDPR、HIPAA、DORA 或 PCI DSS 监管的组织，可以提供本地部署、云端、混合部署和气隙环境等选项。
每一项都针对工具采购方式所造成的特定结构性弱点进行了修正。将这些能力结合起来，才能定义超越营销类别的"统一"究竟意味着什么。
Agentic 运营：从告警管理到攻击中和
当架构正确之后，运营模式终于可以发生改变。这正是 agentic AI 从概念走向生产的地方。
一个 agentic 安全运营平台并不是一个自主运行的 SOC。这一区别非常重要。自主系统会将人类排除在决策环节之外，而在安全场景中，这既不负责任，也无法审计。Agentic 系统则将人类置于决策环节的顶端：平台负责调查、关联并准备响应方案，而分析师负责审查证据、运用判断力并批准操作。
这种实际差异会体现在事件时间线上。在传统 SOC 中，三个相关告警（例如可疑登录、异常进程执行以及异常出站连接）可能会在几秒钟内分别出现在三个不同的工具中，而分析师可能需要数小时才能将它们关联起来。在 agentic 模式下，它们会以一条高优先级攻击链的形式呈现，并且推理跟踪已经构建完成。从首次告警到批准响应的总时间可以大幅缩短。
对于安全团队而言，这会将运营指标从"已分诊的告警数量"转变为"已中和的攻击数量"。
为未来构建 SOC
未来 24 个月内能够成功领先的安全团队，不会是那些拥有最大、最昂贵工具清单的团队，而会是那些其架构能够将速度、透明度和 agentic 运营作为原生属性来支持，而不是事后再添加这些功能的团队。
这种转变始于坦诚评估当前技术栈在哪些方面给防御者增加了成本：定价造成的覆盖范围缺口、集成摩擦造成的响应延迟、碎片化数据导致的 AI 项目受限。这些都是可以通过架构解决的问题。解决这些问题，正是能够跟上 AI 驱动威胁的 SOC 与持续落后的 SOC 之间的区别。
如果你想进一步了解开放、统一的架构如何重新塑造检测和响应，可以查看我们关于如何构建统一、开放安全平台的文章。
来源：
1 TechRadar，《机器速度下的安全：为什么 SOC 必须为 AI 时代重建 》，2026 年 6 月。
2 The Register，《微软称 AI 让钓鱼攻击的有效性提高 4.5 倍 》，2025 年 10 月。
3 Microsoft，《SOC 状态 》，2025 年。
4 Ctech，《随着网络安全优先事项发生变化，CISO 将把 2026 年预算大量投入 AI》，2026 年 2 月。
本文中所描述的任何功能或特性的发布时间和发布情况均由 Elastic 自行决定。目前尚未提供的任何功能或特性可能无法按时交付，甚至可能完全不会交付。
在本文中，我们可能使用或引用由其各自所有者拥有和运营的第三方生成式 AI 工具。Elastic 无法控制这些第三方工具，并且不对其内容、运行或使用承担任何责任，也不对因你使用这些工具而可能产生的任何损失或损害承担责任。使用 AI 工具处理个人信息、敏感信息或机密信息时，请务必谨慎。你提交的任何数据都可能被用于 AI 训练或其他用途。无法保证你提供的信息会得到安全或保密的处理。在使用任何生成式 AI 工具之前，你应了解其隐私实践和使用条款。
Elastic、Elasticsearch 及相关标志是 Elasticsearch B.V. 在美国及其他国家/地区的商标、徽标或注册商标。所有其他公司名称和产品名称均为其各自所有者的商标、徽标或注册商标。